.png){kind=icon}
返回
Optimal rates for functional linear regression with general regularization
.png){kind=icon}
OA
AI
DOI：10.1016/j.acha.2024.101745.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
函数线性回归是函数数据分析中的一种基本且研究充分的方法。在本工作中，我们在再生核希尔伯特空间框架下研究函数线性回归模型，通过采用广义谱正则化方法来逼近斜率函数，并假设其满足一定的光滑性条件。我们在Hölder型源条件假设下，确立了与所提出方法相关的估计误差和预测误差的最优收敛速率，这些结果对文献中已知的所有结果进行了推广和改进。
Keyword:
Functional linear regression
Reproducing kernel Hilbert space
Regularization
Minimax rates
Integral operator
Covariance operator
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.2
论文数:
125
被引数:
3.9K
机构
引用论文
Non-asymptotic Error Bound for Optimal Prediction of Function-on-Function Regression by RKHS Approach基于RKHS方法的功能-功能回归最优预测的非渐近误差界
PREAI
分享收藏分享收藏Faster convergence rate for functional linear regression in reproducing kernel Hilbert spaces在再生核希尔伯特空间中函数线性回归的更快收敛率.png)
Statistics
StatisticsIF0
PREAI
分享收藏
查看更多内容